“研究人员创建AI算法来检测导致风暴的云层”

在预报天气时，气象学家使用大量的模型和数据源跟踪可能表现出严重风暴的云的形状和运动。 但是，随着天气数据的扩大和迫在眉睫的最后期限，他们几乎不可能实时监控所有的风暴编队，特别是小规模风暴编队。

目前，宾夕法尼亚州立大学、accuweather企业和西班牙阿尔梅里亚大学的一组研究人员拥有一个计算机模型，使预报员能够更快、更准确地识别潜在的严重风暴。 他们开发了基于机器学习线性分类器的框架:人工智能-能够检测卫星图像中云的旋转运动。 否则，这些运动有可能被忽视。 这个ai处理方案在匹兹堡超级计算中心的bridges超级计算机上执行。

accuweather高级法医气象学家steve wistar表示，使用该工具将他的眼球对准有威胁的地层，可以帮助他更好地进行预测。

最好的预测是组合尽可能多的数据，他说。 能吸收的东西太多了。 因为气氛无限复杂。 通过采用我们[在我们面前]的模型和数据，我们可以拍摄出最完美的气氛。

在他们的研究中，与wistar和其他accuweather气象学家合作，分析了50，000多个美国历史气象图像。 其中，专家们明确标记了逗号形状的云的形状和运动。 这些云模式与气旋密切相关，有可能引起冰雹、雷暴、大风、暴风雪等恶劣天气。

并利用计算机视觉和机器学习技术，教会了计算机自动识别和检测卫星图像中的逗号形状云。 并且指出，计算机可以实时、集中观察力检测数据海洋中恶劣天气的发生。

逗号形状的云是恶劣天气的直观指标，所以我们的方案有助于气象学家预测这种事情。 宾夕法尼亚州新闻科学技术学院的博士生rachel zheng说他是研究的主要研究者。 项目。

研究人员发现，能够比较有效地检测逗号形状的云，精度达到99%，每次预测平均为40秒。 另外，可以预测64%的恶劣天气，比其他现有的恶劣天气检测方法要好。

我们的做法可以捕获很多人类标记的逗号形状的云。 郑说。 另外，我们的方法是在它们完全形成之前能检测到一点逗号形状的云，同时我们的检测有时比人眼还快。

我们的业务是拯救生命和保护财产，wistar补充说。 我事先通知受暴风雨影响的人们提供这项服务效果很好。 我们正在尽快得到最佳新闻。

该项目加强了宏碁和郑州研究组的早期工作，该研究组由郑教授的论文顾问james wang教授指导。

我们在年开始与accuweather合作时，认识到气象学家和气候学家面临的一大挑战是了解地球观测卫星、雷达和传感器互联网上产生的大量和不断增加的数据，王说。 计算机化系统需要分析和学习数据，以便及时准确地解释对时间敏感的应用程序(如恶劣天气预报)的数据。

他补充说，这项研究是向研究界展示基于人工智能的气象相关视觉新闻解释可行性的初期尝试。 这种方法与现有的数值天气预报模型和其他模拟模型相结合的研究有可能使天气预报更加准确和有用

退出wistar，[这项研究]的好处是观察非常忙碌的预测者可能被忽视的事件。